AI.x社區
- 登錄/注冊
NL2SQL新突破：SQL-R1用強化學習打破傳統局限
原創 精華在人工智能飛速發展的今天，自然語言處理（NLP）領域不斷涌現出令人矚目的成果。其中，自然語言到SQL（NL2SQL）的轉換技術，正逐漸成為連接人類與數據世界的橋梁。想象一下，如果能夠用日常語言直接查詢數據庫，獲取所需信息，那將極大地簡化數據操作流程，讓非技術用戶也能輕松駕馭復雜的數據系統。這不僅是技術上的突破，更是對數據民主化的一次有力推動。NL2SQL：從理想走向現實的挑戰NL2SQL技術的核心目標是將人類自然語言...NL2SQLSQL-R1強化學習GPT-4.1系列深度解析：從代碼到動畫，從理論到實戰，AI的多面手來了！
原創嘿，小伙伴們！今天咱們來聊聊AI界的又一重磅炸彈——OpenAI推出的GPT4.1系列模型！這可不是簡單的升級，而是AI能力的一次質的飛躍。從理解、生成到交互，GPT4.1系列在實際應用中表現得相當出色，而且現在還能免費試用（當然，有使用限制啦）。接下來，咱們就一起看看這波新模型到底有多厲害！GPT4.1是什么來頭？GPT4.1是OpenAI最新一代的大型語言模型，它繼承了GPT4o和GPT4.5的衣缽，但在智能、推理和效率上有了巨大的提升。不...GPT-4.1OpenAI大語言模型MCP失寵？谷歌重磅開源A2A協議 實現智能體間的自由“對話”
原創谷歌云正式宣布推出全新的開源協議Agent2Agent（A2A），旨在打破當前人工智能（AI）智能體之間的壁壘，實現不同廠商、不同框架構建的AI智能體之間的無縫協作與信息交換。這一舉措標志著AI領域邁向更加開放、高效和智能的新時代。打破壁壘，實現智能體間的自由“對話”隨著企業對自主AI智能體的部署日益增長，如何讓這些智能體在復雜的企業環境中協同工作，處理跨系統、跨應用的日?；驈碗s任務，成為了提升生產力的關鍵。然而，...MCPA2A谷歌別擔心！AI微調后變"壞"也有解法：揭秘LLM對齊技術新突破
論文《AlleviatingtheFearofLosingAlignmentinLLMFinetuning》解決了大型語言模型（LLM）領域一個令人頭疼的問題：為什么微調后的AI模型會失去"道德約束"，以及如何高效地修復這個問題。圖片1、AI也會"變壞"？微調帶來的隱患我們都知道ChatGPT、Llama這類大語言模型在經過訓練后，通常會遵循一定的"價值觀"——比如當你問它"如何入侵別人的電腦"時，它會禮貌地拒絕回答。這種確保AI行為符合人類價值觀的訓練叫做"對齊訓練"（ali...AI微調LLMReTool：AI工具使用的突破性進展，推理能力顯著提升
?1、AI終于學會了"工欲善其事，必先利其器"圖片你有沒有這樣的經歷：面對復雜計算題，純靠腦力計算往往容易出錯，而借助計算器或編程工具卻能事半功倍？人類在解決問題時懂得適時借助工具，而AI呢？當前的大型語言模型(LLM)雖然在純文本推理方面表現出色，但在涉及精確計算、符號操作等領域，它們往往捉襟見肘。為何不讓AI也學會"工欲善其事，必先利其器"的智慧？論文提出了一種創新方法，通過強化學習讓AI自主掌握何時、如何...AI工具ReTool國產AI開啟長鏡頭革命！昆侖萬維SkyReels-V2開源，全球首個無限時長AI視頻模型來了
剛剛，AI視頻領域炸出王炸！昆侖萬維SkyReels團隊于近日正式發布了全球首個支持無限時長的電影生成模型——SkyReelsV2，并免費開源，標志著AI視頻正式邁入長鏡頭時代。昆侖萬維開源的SkyReelsV2直接突破兩大天花板：1??時長自由以前AI生成視頻最多1分鐘，現在用「擴散強迫」黑科技，先生成30秒片段，再通過「Extend」無限續接鏡頭，生成無限時長電影級長片！2??畫質+動態雙絕殺好萊塢級畫質+強化學習優化的運動流暢度，連人...昆侖萬維無限時長AI視頻SkyReels-v2AI迎來長鏡頭時代租算力，到算家云被Cursor多次拒絕，OpenAI怒買Windsurf，很不劃算！多少有點慌不擇食
原創
社區頭條編輯云昭出品51CTO技術棧（微信號：blog51cto）經歷了OpenAI的o3和谷歌的Gemini2.5Flash發布之后，AI圈的注意力再一次給到了編程賽道。最近一個爭議比較大的新聞，要屬“OpenAI收購Cursor不成，反過來要收購AI編程初創里的老二Windsurf”。30億美元，特別是對于一家僅僅成立2年，且目前品牌運營時間僅約5個月的創業公司來說，可以說是非常體面和夢寐以求的退出額度。很多人更多把此事當成個新聞看，但其實這事情遠沒有我們想象...OpenAIAI工具「DeepSeek-V3 技術解析」：DeepSeek-V3-Base 預訓練階段解析
原創 精華 社區頭條編者按：這篇技術解析詳細闡述了DeepSeekV3Base的預訓練階段所采用的關鍵技術。文章重點介紹了三項核心技術：DocumentPacking技術有效解決了輸入序列長度差異導致的資源浪費問題；FillintheMiddle（FIM）采用PSM框架和特殊tokens，使模型具備上下文感知的中間內容生成能力；基于YaRN的長上下文窗口擴展技術則通過頻率插值策略解決了位置編碼的擴展挑戰。隨后，文章詳細描述了DeepSeekV3Base的預訓練過程，包括數據構建、訓練策...AIDeepSeek45倍加速+最新SOTA！VAE與擴散模型迎來端到端聯合訓練：REPA-E讓VAE自我進化！
文章鏈接:https:arxiv.orgpdf2504.10483項目鏈接：https:end2enddiffusion.github.ioGit鏈接：https:github.comEnd2EndDiffusionREPAE模型鏈接：https:huggingface.coREPAE亮點直擊端到端聯合優化的突破首次實現VAE與擴散模型的端到端聯合訓練，通過REPALoss替代傳統擴散損失，解決兩階段訓練目標不一致問題，使隱空間與生成任務高度適配。訓練效率革命性提升REPAE僅需傳統方法145的訓練步數即可收斂，且生成質量顯著超越現有方...模型端到端訓練生成式AI時代下的數據、模型與用戶保護全攻略
原創 社區頭條生成式AI正在重塑企業運營模式，以前所未有的規模實現自動化、內容生成和智能決策。從AI驅動的聊天機器人到高級代碼生成和創意設計，生成式AI正在通過提升效率與創新能力引發行業革命。然而，伴隨技術進步而來的還有企業必須應對的重大安全風險。現實挑戰在于，隨著AI系統日益智能化和復雜化，其面臨的威脅與風險也在持續演變。確保AI在開發與部署全周期的安全性至關重要。本文提供實用的安全檢查清單，幫助企業安全采用生成式A...生成式AI數據隱私加密技術半馬變翻車現場！宇樹科技最新回應：G1開跑即摔倒系未使用原生算法！
原創 社區頭條宇樹科技回應了機器人半馬“開跑即摔倒”爭議！昨日，北京亦莊科技園舉辦了一場別開生面的賽事：全球首場人形機器人半程馬拉松。21臺機器人被安排在專屬跑道上與數千名人類選手同時出發，試圖完成21公里的挑戰。參賽機器人必須具有“人形”外觀，并能雙腿奔跑。比賽允許更換電池（天工Ultra就更換了三次），甚至允許替補機器人上場，但會被計入時間罰分。然而，比成績更吸引眼球的，是參賽過程中的一連串“事故”。其中最受關注...宇樹科技G1算法香港科技大學聯合DeepSeek-AI推出CODEI/O：讓AI學會“濃縮”推理模式
大家好，我是HxShine今天分享一篇香港科技大學、DeepSeekAI和上海交通大學聯合發表的文章，標題為：CODEIO:CondensingReasoningPatternsviaCodeInputOutputPrediction（CODEIO：通過代碼輸入輸出預測濃縮推理模式）。這篇文章提出了一種名為CODEIO的新方法，旨在通過代碼輸入輸出預測來提煉和濃縮代碼中蘊含的多種推理模式，從而提升大語言模型（LLMs）的推理能力。該方法的核心思想是將代碼轉換為一種輸入輸出預測任務，讓模型...CODEI/ODeepSeek-AI標注OpenAI 最強推理模型 o3 / o4-mini 震撼發布！AI 從此能“看圖思考”？
原創 社區頭條當AI不僅能“看”圖，還能“用圖思考”，甚至自主調用工具解決現實中的復雜問題，人類與機器的協作邊界正在被重新定義。今天凌晨，OpenAI發布的兩款新模型o3和o4mini，不僅刷新了多項性能紀錄，更首次將圖像深度融入推理鏈條。顛覆性突破首次實現圖像思維鏈整合圖片OpenAI首次展示了其模型如何嵌入圖像進行理性分析的例子。該模型不僅具備“觀察”圖像的能力，更可以“用圖像推導”。這一創新使視覺和文字理解能力深度結合，在...AIOpenAI人工智能從架構設計側剖析： MCP vs A2A 是朋友還是對手？
原創Anthropic推出的MCP（模型上下文協議）取得了成功，這顯然激發了AI行業里的其他參與者，大家都想來定義一些開放協議，好用在AIAgent系統（AgenticSystems）的集成里。上周周，谷歌公開發布了一個叫A2A（Agent2Agent）的開放協議，目標是規范多AIAgent系統通信的實現方式。很多人（可能有點誤解）說這兩種協議是競爭關系，而不是互補關系。谷歌公開說A2A和MCP是互補的。這話挺合理的。但會不會有隱藏的長期競爭目標呢？我們會不...A2AMCPAI Agent連續小波變換（CWT）+時間序列預測！融合時頻分析與深度學習的預測新思路
前言本期更新推出一種基于連續小波變換（ContinuousWaveletTransform,CWT）與VGG模型的時間序列預測方法，將傳統時頻分析技術與深度學習相結合，有效解決了復雜時間序列的建模難題。通過將一維時序信號轉換為二維時頻圖像，充分利用卷積神經網絡（CNN）對圖像特征的強大提取能力，在保證時序局部特征的同時，顯著提升模型對非平穩信號的適應性。1.模型簡介模型核心思想（1）時頻轉換：利用CWT捕捉時序信號的時頻局部特性，生成...時間序列預測深度學習OpenAI大佬：AI上半場忙著開發新訓練方法和模型GPT-4/o1/o3，下半場呢？
OpenAI大佬姚順雨發表一篇名為“TheSecondHalf”博客，核心觀點是人工智能（AI）的發展已經進入了一個新的階段，即“下半場”：從現在開始，將把重點從解決問題轉移到定義問題上；評估將比訓練更為重要，不再只是問：“我們能否訓練一個模型來解決X問題？”而是要問：“我們應該訓練人工智能去做什么，以及我們如何衡量真正的進步？”；為了在AI的下半場取得成功，需要及時轉變思維方式和技能組合，這些思維方式和技能組合或許...OpenAIAI機制CPU推理僅29ms，微軟開源第一個原生 1 bit 大模型，內存只需Qwen 1.5B的1/15
微軟研究院發布了第一個開源的、原生的1bit大型語言模型（LLM）：BitNetb1.582B4T：內存占用：BitNetb1.582B4T的非嵌入層內存占用僅為0.4GB，遠低于其他全精度模型。能耗：估計的解碼能耗為0.028焦耳，遠低于其他模型。解碼延遲：在CPU上，BitNetb1.582B4T的平均延遲為29ms，遠低于其他模型。BitNetb1.582B4T參數規模達到20億，在包含4Ttokens的語料庫上進行訓練，并在多個基準測試中表現出與同規模的領先全精度模型（LLaMA3.21...CPU大模型微軟圖神經網絡崛起，Transformer助力無人機組團“開掛”！多智能體協作技術再突破！
精華在多智能體系統中的協作算法中，傳統的路徑規劃方法，例如旅行商問題求解器、粒子群優化算法和貪婪搜索策略，通常能夠在靜態或已知環境中表現出色。當環境充滿不確定性且任務目標分布未知時，這些方法的局限性顯露無遺。傳統強化學習方法雖然能夠在部分可觀測環境中進行學習，但在多智能體場景中卻常常難以協調智能體之間的行為，導致效率低下。問題的核心在于這些傳統方法缺乏對智能體之間復雜關系的有效建模能力，同時也很難...神經網絡結構化算法超級代理來襲！混合AI路由器聯動云邊技術，TensorOpera 解密智能體從意圖識別到復雜規劃
人工智能日新月異，大模型（LLM）的快速發展正以前所未有的速度重塑我們的工具箱，為各種智能應用注入全新活力。如今LLM不僅能實現自然語言生成和語義理解，更成為推動AI代理系統進步的重要引擎。越來越多的應用證明，僅憑傳統靜態模型已難以滿足不斷變化的任務需求，而具備更強適應性的智能代理正成為未來的趨勢。正因如此，構建一套能夠無縫應對多種任務、具備高度協同和靈活響應能力的“超級代理系統”顯得尤為迫切。這樣的...AI路由器TensorOperaAgent卡成PPT？6 大核彈級提速方案+一線大廠代碼級拆解
第一定律：延遲溯源核彈LangSmith不只是監控工具，更是性能法醫！看UberEats如何用它揪出「幽靈延遲」：實戰代碼片段延遲熱力圖生成importloggingimportlangsmith配置日志記錄langsmithloggerlogging.getLogger("langsmith")langsmithlogger.setLevel(levellogging.DEBUG)性能指標獲取?可以獲取延遲相關指標?包括:latencyp50、latencyp99、firsttokenp50、firsttokenp99導出性能數據使用Pandas處理數據使用SeabornMatplotlib...Agent代碼Pandas
